設想得很好，在每次波動的極值點進行操作，用**和賣出**兩個陣列記錄**和賣出**。這樣可以保證每個操作都盈利。
以一次**低點為例，從低到高，查詢賣出列表，如果匹配，說明前期的某個賣出操作已經可以盈利，則**，並刪除賣出陣列中的記錄。從低到高搜尋，可以保證把最高的賣出**留到後面，增加操作的容量。
如果賣出列表沒有對應操作，則查詢**列表，如果臨近範圍已經有**記錄，則不買，防止在某個價位反覆**，如果該區間沒有**記錄，則**，並記錄。核心策略如下：
#分布判斷，如果可行，修改g.long或g.short，返回true這是回測的結果：#使用g.orderprice和g.mm判斷
def distcheck():
jl=1 #預設的盈利距離
idx=int(g.orderprice/g.step) #求出區間索引
buycnt=len([x for x in g.buy if x>0])
sellcnt=len([x for x in g.sell if x>0])
if g.mm==1: #**
#if buycnt-sellcnt>0:
#return false
for i in range((idx+jl),len(g.sell)): #遍歷尋找
if g.sell[i]>0:
print("**%.2f(%.2f)"%(g.orderprice,g.sell[i]))
g.sell[i]=0
return true
if g.buy[idx]==0:
g.buy[idx]=g.orderprice
print("**%.2f"%(g.orderprice))
return true
if g.mm==-1: #賣出
#if sellcnt-buycnt>0:
#return false
for i in range((idx-jl),0,-1): #遍歷尋找
if g.buy[i]>0:
print("賣出%.2f(%.2f)"%(g.orderprice,g.buy[i]))
g.buy[i]=0
return true
if g.sell[idx]==0:
g.sell[idx]=g.orderprice
print("賣出%.2f"%(g.orderprice))
return true
return false
很不理想，這種操作，可能導致分化，**列表最後都是一些**，賣出列表都是低價，這是最後階段的列表
無論是調整區間，還是調整盈利預期，還是保持兩個列表平衡，都不能有效改善。
分析原因：買賣的控制，儘管保證了每次買賣自己盈利了，但對於總體，或者兩個列表上「掛著」的交易來說，可能是一種虧損。
銷售波動統計
任務描述 本關任務 假定有一組資料記錄著賣場每天 不超過3030天 的銷售額 假設都是整數 要求你統計並輸出銷售的波動情況，即計算每天相對於前一天的銷售額的增減情況 即後項減前項的差值 例如連續55天的銷售額分別是 23 56 12 76 43，則銷售波動情況的輸出為 33 44 64 33。其中 ...
極值問題（dp）
問題描述 已知m n為整數，且滿足下列兩個條件 m n 即1 m，n k，1 k 109 n2 m n m2 2 1 你的任務是 程式設計輸入正整數k，求一組滿足上述兩個條件的m n，並且使m2 n2的值最大。例如，從鍵盤輸入k 1995，則輸出 m 987 n 1597。輸入樣例 1995 輸出樣...
極值問題（acms）
問題描述 已知m n為整數，且滿足下列兩個條件 m n 即1 m，n k，1 k 109 n2 m n m2 2 1 你的任務是 程式設計輸入正整數k，求一組滿足上述兩個條件的m n，並且使m2 n2的值最大。例如，從鍵盤輸入k 1995，則輸出 m 987 n 1597。輸入樣例 輸出樣例 如下 ...